เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

เปรียบเทียบ logistic loss และ hinge loss

ในแบบฝึกหัดนี้ คุณจะสร้างกราฟของ logistic loss และ hinge loss โดยใช้นิพจน์ทางคณิตศาสตร์ที่เตรียมไว้ให้แล้ว

แผนภาพ loss function จากวิดีโอแสดงอยู่ทางขวา

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Linear Classifiers ใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ประเมินค่าฟังก์ชัน log_loss() และ hinge_loss() ที่จุดกริด เพื่อให้สามารถพล็อตกราฟได้

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Mathematical functions for logistic and hinge losses
def log_loss(raw_model_output):
   return np.log(1+np.exp(-raw_model_output))
def hinge_loss(raw_model_output):
   return np.maximum(0,1-raw_model_output)

# Create a grid of values and plot
grid = np.linspace(-2,2,1000)
plt.plot(grid, ____, label='logistic')
plt.plot(grid, ____, label='hinge')
plt.legend()
plt.show()
แก้ไขและรันโค้ด